Sehen Sie sich die Rechnung INV-88180 genau an. Die drei Positionen ergeben zusammen 8.240,00 $. Der unten ausgewiesene Gesamtbetrag lautet 8.420,00 $. Zwei Ziffern haben die Plätze getauscht, und die Differenz beträgt 180 $.
Ein Sachbearbeiter unter Zeitdruck übersieht es vielleicht. Ein automatisierter Prozess, der allem vertraut, was er extrahiert, übersieht es jedes Mal — und reicht die falsche Zahl weiter, als wäre sie richtig.
Unser neues Video Checked, not trusted begleitet genau diese eine Rechnung durch DocReveal: vom Einlesen über die Prüfung, die sie beanstandet, bis zu dem Moment, in dem ein Mensch entscheidet, wie es weitergeht. Es dauert dreieinhalb Minuten, Sie können es oben auf dieser Seite ansehen, und es richtet sich an die Menschen, bei denen die Verantwortung liegt — Finanzleitung, Kreditorenbuchhaltung, Betrieb und Revision — und nicht an Entwickler. Hier erfahren Sie, was Sie sehen werden und warum das wichtig ist.
Lesen heißt nicht vertrauen
KI ist inzwischen sehr gut darin, Dokumente zu lesen. Sie extrahiert jede Zeile von INV-88180 korrekt — auch den falschen Gesamtbetrag, denn genau der steht auf der Rechnung. Eine perfekte Kopie eines fehlerhaften Dokuments bleibt ein fehlerhaftes Ergebnis.
Genau diese Lücke lassen die meisten Lösungen zur Dokumentenautomatisierung offen. Die Verarbeitung wird schneller, und ebenso schnell gelangen Fehler in Hauptbücher, Berichte und Zahlungen. Die Antwort ist nicht, langsamer zu werden. Die Antwort ist, jedes Dokument automatisch anhand der Regeln zu prüfen, nach denen Ihr Unternehmen ohnehin arbeitet — bevor sich jemand auf die Daten verlässt.
Lesen: Jede Rechnung wird zu Daten
Das Video beginnt im Reveal Manager, wo sechs Rechnungen aus dem September in einem einzigen Lauf verarbeitet werden. Jede Datei wird geparst, auf das Rechnungsmodell gemappt, anhand der Regeln geprüft und für Auswertungen aufbereitet, und das Board zeigt während des Laufs, wo jede Datei gerade steht. Vorlagen muss niemand pflegen: Die Lieferanten nutzen unterschiedliche Layouts und Sprachen, und die Rechnungen werden so gelesen, wie sie eingehen.
Fünf Rechnungen kommen durch. Eine nicht: Bei der Rechnung eines Lieferanten namens Stavlund sind die Regelprüfungen fehlgeschlagen.
Prüfen: Regeln, die Ihre Wirtschaftsprüfer schreiben würden
Die Prüfung, an der die Rechnung gescheitert ist, stammt aus dem Rules Manager. Dort klickt ein Fachanwender Regeln aus Feldern, Bedingungen und Werten zusammen — ohne Code, ohne Skripte. Im Video legt eine Regel fest, dass die Positionen zusammen den Gesamtbetrag der Rechnung ergeben müssen. Eine andere stellt sicher, dass dieselbe Rechnungsnummer nie auf zwei Dokumenten erscheint.
Diese Prüfungen sind deterministisch. Statt eine KI nach ihrer Meinung zu fragen, rechnen und vergleichen sie — jedes Mal auf dieselbe Weise. Regeln werden gruppiert, versioniert und bewusst veröffentlicht, und das Audit-Log zeigt, wer jede Version angelegt, geändert und veröffentlicht hat. Fragt jemand Monate später, warum eine Rechnung beanstandet wurde, ist die Antwort dokumentiert.
Das Ergebnis ist ein Urteil mit Begründung. In Business Rules Validation ist INV-88180 als nicht bestanden markiert — mit genau der Regel, die verletzt wurde, und den Werten dahinter: Positionen von insgesamt 8.240,00 $ gegenüber einem ausgewiesenen Gesamtbetrag von 8.420,00 $. Nicht „irgendetwas stimmt nicht“, sondern was, wo und um wie viel.
Ein negatives Urteil ist keine Sackgasse. Es wird mit dem Dokument gespeichert und als Ereignis veröffentlicht, sodass es einen Flow im Integration Manager starten oder einen KI-Agenten wecken kann, der den nächsten Schritt übernimmt.
Entscheiden: ein Agent, der weiß, wann er fragen muss
In der zweiten Hälfte des Videos weckt dieses Ereignis einen KI-Agenten für die Rechnungstriage im Agent Manager — einen der digitalen Kollegen, die wir im Beitrag über Agent Pool beschrieben haben. Niemand startet ihn von Hand; er läuft von selbst, immer wenn ein Dokument validiert wird. Als Erstes handelt er nicht, sondern liest: das Urteil der Regelprüfung und die extrahierten Rechnungsdaten.
Der Agent arbeitet innerhalb der Grenzen, die sein Verantwortlicher gesetzt hat: ein definierter Satz an Werkzeugen, eine Höchstzahl an Schritten pro Lauf und ein Autonomieprofil, das bestimmt, welche Aktionen die Freigabe durch einen Menschen brauchen. Für Rechnungen, die ihre Prüfungen nicht bestehen, sind seine Anweisungen eindeutig — sie gehen an einen Menschen. Also tut der Agent, was ein guter Kollege tun würde: Er fragt. Der Lauf pausiert im Posteingang für Freigaben; dort liegen die Frage und die möglichen Antworten übersichtlich bereit.
Ein Mensch liest die Frage und entscheidet, die Rechnung zurückzuhalten und eine korrigierte Fassung anzufordern. Der Agent setzt seine Arbeit fort, vermerkt die Entscheidung und schließt ab. Seine Spur zeigt jeden Schritt — was er las, was er fragte, welche Antwort er erhielt und wie der Lauf endete. Der Posteingang ist wieder leer, und nichts ist geschehen, was nicht jemand erklären könnte.
Warum das über eine einzelne Rechnung hinaus wichtig ist
INV-88180 ist eine kleine Geschichte über 180 $. Das Prinzip dahinter gilt für jedes Dokument, das Ihr Unternehmen verarbeitet, und es passt in eine Zeile: KI schlägt vor. Regeln prüfen. Menschen entscheiden.
- Behandeln Sie extrahierte Daten als Vorschlag, nicht als Tatsache. Suchen Sie die Stellen, an denen extrahierte Daten verwendet werden, ohne dass jemand sie prüft — dort gehören Ihre ersten Regeln hin.
- Halten Sie die Prüfungen schriftlich fest, die Ihr Team längst aus Gewohnheit macht. Summen, die aufgehen müssen, Nummern, die eindeutig sein müssen, Werte, die innerhalb bestimmter Grenzen bleiben müssen. Was ein Sachbearbeiter prüft, kann eine Regel bei jedem Dokument prüfen.
- Geben Sie der Automatisierung die Möglichkeit, anzuhalten und zu fragen. Ein Agent, der abgibt, was er nicht entscheiden sollte, ist mehr wert als einer, der alles entscheidet.
- Führen Sie Buch. Versionierte Regeln, Urteile mit Begründung und Agentenspuren mit den Antworten der Menschen machen aus „das System war’s“ eine Historie, die Sie prüfen können.
Alle Unternehmen und Zahlen im Video sind fiktive Demodaten.
Geprüft statt geglaubt. Jedes Dokument. So verdient sich Automatisierung Vertrauen.